Surveiller la stabilité des machines avec la science des données
Publié le 16 juillet 2021 dans Industry 4.0
Contrôler le bon fonctionnement de vos machines
Comment fonctionne cette analyse ? Les signaux des capteurs et (si possible) des actionneurs sont enregistrés à une fréquence élevée, analysés et reliés au processus et au programme de commande de la machine. En collaboration avec les opérateurs et/ou les ingénieurs de machine, vous obtenez des informations détaillées et pouvez repérer les écarts et les incohérences, tels que le mauvais alignement des capteurs, un défaut de configuration et les pièces usées. Pensez à réduire les micro-arrêts ou à trouver la cause première d'un problème intermittent et mal identifié.
Surveiller les machines
Grâce à une surveillance constante, il est possible de détecter les anomalies de processus et de qualité, d'identifier les dérives de tendance et de guider la maintenance prédictive. Vous avez accès aux délais de changement d'équipement de votre machine et à davantage de données d'entrée pour entraîner les modèles. Une mise à jour régulière des modèles est nécessaire pour maintenir et accroître la précision des prévisions.Mettre à profit le contrôleur AI Sysmac d'OMRON
Saviez-vous qu'OMRON propose un contrôleur de machine avec une bibliothèque Sysmac pour l'intelligence artificielle ? Nous pouvons fournir une validation technique et vous aider lors de la mise en service du contrôleur-IA sur votre ligne de production. OMRON offre également l'IA-as-a-service et s’occupe de tout : mise en service, mises à jour, mises à niveau et maintenance. Même les systèmes d'IA ont besoin d'une attention régulière pour s'améliorer et s'adapter aux changements détectés concernant le comportement de la machine et/ou le processus de production.
Étude de cas : OMRON Manufacturing of The Netherlands
Récemment, un projet de science des données a été exécuté à l'usine OMRON Manufacturing of The Netherlands (OMN) sur la ligne d'assemblage NX, avec comme objet la machine agrafeuse qui insère des agrafes sur des boîtiers en plastiqueLa machine agrafeuse comporte plusieurs moteurs et capteurs qui génèrent plus de 50 signaux en parallèle. Le but de ce projet était de surveiller tous les signaux en même temps et de relever les situations anormales. Le contrôleur-IA capturait les signaux toutes les 2 millisecondes sous forme de données d'événements et les enregistrait pour l'analyse des données et la détection des anomalies.
L'un des problèmes courants rencontrés par la machine agrafeuse était causé par les moteurs de flexion et d'avance des rouleaux, pour lequel la machine ne déplaçait pas le rouleau dans le bon sens. Ce problème nécessite une maintenance qui interrompt toute la chaîne de production pendant près d'une heure. Grâce à la détection des anomalies, ces dernières peuvent être détectées plus tôt et une alerte est envoyée aux ingénieurs et aux techniciens de maintenance. Dans le cas de la machine agrafeuse, l'alerte est lancée quelques heures avant qu'un problème grave ne se produise. Cette alerte précoce prévient l'immobilisation de la machine, car elle garantit une maintenance rapide et suggère une simple correction sans arrêt important de la machine.
En outre, les changements subtils de la machine ne peuvent pas être détectés par les humains. Si la machine ralentit à chaque cycle de production, de quelques millisecondes seulement chaque semaine, les opérateurs ou les ingénieurs ne le détecteront pas. Au fil du temps, la machine pourrait devenir 10 % plus lente et 15 % moins productive. La cause première de ce problème a été identifiée en surveillant le comportement de tous les signaux à l'aide de modèles de détection d'anomalie. Des réglages peuvent être effectués afin de maintenir des performances optimales de la machine.
Vous souhaitez tirer le meilleur parti de vos données industrielles ou vous rencontrez un problème et vous pensez que la solution se cache dans vos données ? Téléchargez le livre blanc ci-dessous pour en savoir plus.
